Syntysähköisten. Markus Merenmies / Kansallisarkisto

Transkriptio

1 Syntysähköisten asiakirjojen j digitointi it i ti Markus Merenmies / Kansallisarkisto

2 OSA I : Johdanto ja viitekehys

3 Lähtökohtia Viranomaisten syntysähköisten asiakirjojen säilyttäminen yksinomaan sähköisessä muodossa edellyttää arkistolaitoksen lupaa Arkistolaitos on esittänyt vaatimukset asiakirjan hyväksytyistä formaateista sekä metatiedoista (Sähke)

4 Viitekehys

5 Sähke2-hierarkia hierarkia

6 Prosessin päävaiheet Aineiston muodostaminen Formaattikorversiot Järjestäminen paketeiksi Yksilöinti Siirron valmistelu Paketin allekirjoittaminen Salaus ja/tai pakkaus Siirto Off- tai On-line

7

8 OSA II : Metatiedot

9 Sähke-metatiedot Kuvailevan ja hallinnollisen metatiedon minimi Määrittää luovutuspaketin käsitteet Operatiiviset tarpeet voivat Operatiiviset tarpeet voivat laajentaa custom metadata

10 Organisaatio laatii asiakirjan Tietojärjestelmän tuottamat metatiedot: Identifiointitunnus (2.3) Kieli (2.4) Laadittu (2.2.1) Toimija (2.14) Versio (4.11) eams:n tuottamat metatiedot: Käyttörajoitus (2.6) Säilytysaika (2.11) Tehtävä (2.13) Tila (2.12) Tyyppi (2.15) Käyttäjän tuottamat metatiedot: Nimeke (2.7)

11 Asiakirjan saapuminen, alkuperäisyyden ja eheyden toteaminen Merkinnät asiakirjan vastaanottamisen tt sekä alkuperäisyyden ja eheyden toteamisesta tallennetaan asiakirjan metatietoihin: Asiakirjan alkuperäisyys ja eheys todettu (4.2) Asiakirjan sähköinen allekirjoitus (4.3) Toimija (2.14) Vastaanotettu (2.2.6)

12 OSA III : Tiedostot ja formaatit

13 Hyvän formaatin kriteerit Avoimuus: Tietämys ja dokumentaatio formaatista on helposti saatavilla Hyväksyntä: Formaatin muodollinen muistiorganisaatioiden hyväksyntä Vakaus ja yhteensopivuus: taakse- ja eteenpäin. Suojautuminen murentumiselta. Formaatin ylläpito ja päivittäminen ittä i Riippumattomuus: sidonnaisuus toimijoihin tai muihin teknisiin ratkaisuihin. Standardointi: Muodollinen stardardointiprosessi

14 Käytettävät formaatit Formaatti Unicode UTF-8 - tekstitiedosto Nimi siirto-tiedost ossa Versioiden nimi siirto-tiedostossa UTF-8 N/A N/A Pakkaus Kuvaus Vapaa, formatoimaton teksti, merkistö kattaa kaikki maailman kielet TIFF Rev 5, Rev 6 TIFF 5,6 CCIT Group 3 (CCIT3), CCIT Group 4 (CCIT4) Bittikarttakuva PDF/A, ISO :2005, IDT tai uudempi PDF/A 1a, 1b, tulevaisuudessa myös muita N/A Muotoiltu asiakirja, voi sisältää myös kuvia PCM WAV,16 bit,44.1 khz WAV 16 bit 44.1 khz N/A Ääni MPEG-1, Audio Layer 3, 128 kbit/s MPEG1 AL3 128 kbit/s N/A Video MPEG-2, 50 Mbit/s, 4:2:2 MPEG2 50 Mbit/s 4:2:2 N/A Korkealaatuinen video

15 Suositukset Asiakirjan luonne Suositeltu formaatti Muut mahdolliset formaatit Teksti,,johon ei sisälly kuvia tai muotoilua, esimerkiksi sähköpostit tai UTF-8 PDF/A yksinkertaiset muistiot Semanttiset XML-formaatit, esim. CDA UTF-8 PDF/A Muotoiltu teksti, johon voi sisältyä kuvia, esimerkiksi useimmat PDF/A toimistosovelluksilla (Microsoft Office, OpenOffice yms) tuotetut asiakirjat TIFF Skannatut paperiasiakirjat TIFF Kuvat TIFF Ääni WAV Video MPEG1 MPEG2

16 Miten toimia formaattien kanssa Sähke2 hyväksyy natiivin rinnakkaismuodon Konversio sp-muotoon mahdollisimman a aikaisin a PDF/A ja TIFF DOCX ja ODF ovat vielä avoimia DOCX ja ODF ovat vielä avoimia kysymyksiä.

17 Mahdolliset ongelmat Formaatti Tyypillisiä virhetilanteita UTF-8 Virheellinen merkistömuunnos, joka tekee tiedostosta lukukelvottoman tai rikkoo osan merkeistä rivin- tai kappaleenvaihtojen katoaminen tai lisääntyminen TIFF Puutteellinen resoluutio: teksti puuroutuu niin pahasti, että asiakirja ei ole luettavissa. Väreihin liittyvät virheet: värejä katoaa tai ne vääristyvät niin paljon, että luettavuus kärsii. Asemointiin liittyvät virheet: elementti peittää toisen; elementti ylittää sivun reunan ja osa jää kuvasta pois. Tarpeettoman korkea resoluutio tai värisyys, mikä kasvattaa tiedostot tarpeettoman suuriksi. PDF/A Asemointiin liittyvät virheet: elementti peittää toisen; elementti ylittää sivun reunan ja osa jää kuvasta pois. WAV Tiedoston kokoon liittyvät virheet (kirjoitus katkeaa ennen aikojaan). Koodaukseen liittyvät virheet (kuva tai ääni sekoaa). MPEG-1 Tiedoston kokoon liittyvät virheet (kirjoitus katkeaa ennen aikojaan). Koodaukseen liittyvät virheet (kuva tai ääni sekoaa). MPEG-2 Tiedoston kokoon liittyvät virheet (kirjoitus katkeaa ennen aikojaan). Koodaukseen liittyvät virheet (kuva tai ääni sekoaa).

18 Esimerkki <s2:document> <s2:nativeid>urn:oid: </s2:nativeid> </s2:NativeId> <s2:usetype>arkisto</s2:usetype> <s2:file> <s2:name>r pdf</s2:name> <s2:path> /pdf/r pdf</s2:path> </s2:file> <s2:format> <s2:name>pdf/a</s2:name> <s2:version>1b</s2:version> </s2:format> <s2:hashalgorithm>sha1</s2:hashalgorithm> <s2:hashvalue>pc4lump5l6drl4guytx2y82jang=</s2:hashvalue> <s2:encryption>ei salattu</s2:encryption> </s2:document>

19 Esimerkki 2 <s2:restriction> <s2:publicityclass>salassa pidettävä</s2:publicityclass> <s2:securityperiod>20</s2:securityperiod> <s2:securityperiodend> </s2:securityperiodend> <s2:securityreason>kalastuslaki,</s2:securityreason> <s2:securityclass>ei turvallisuusluokiteltu</s2:securityclass> <s2:personaldata>sisältää henkilötietoja</s2:personaldata> <s2:owner>rauno Murju</s2:Owner> <s2:accessright> <s2:name>rauno Murju</s2:Name> <s2:role>henkilöstöpäällikkö</s2:role> <s2:accessrightdescription>2</s2:accessrightdescription> </s2:accessright> </s2:restriction>

20 OSA IV : Ohjeistus

21 Miksi ohje? eli lähtötilanne Sähke2-kuvaa miten tulisi toimia XML-skeema kuvaa luovutuksen rakenteen Mutta, puuttui ohje miten toiminta välittyy skeemaan.

22 Ohjeen tarkoitus Täydentää Sähke2-määräystä Kohdennettu materiaalia tuottaville organisaatiolle ja luonteeltaan tekninen Vastaa kysymykseen: y y Miten luovutuspaketti (SIP) saadaan siirtokuntoon? Vähentää epävarmuutta, tulkinnanvaraisuutta ja virheitä

23 Sähke- normi Siirto- ohje VAPA

24 Mitä kuvataan Eheystarkisteiden t id käyttö ja siirron allekirjoittaminen Aineiston identifioinnin periaatteet Konversiot säilytysmuotoon S2 mallin vastineet XML-skeemassa Luovutuspaketin siirtorakenne Aineistokokonaisuuksien lohkominen Siirron periaatteet